:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Salehi, Sogand, Shafiei, Mahdi, Yeo, Teresa, Bachmann, Roman, Zamir, Amir
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2407.17365
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Controlled Training Data Generation with Diffusion Models
von: Yeo, Teresa, et al.
Veröffentlicht: (2024)

How Well Does GPT-4o Understand Vision? Evaluating Multimodal Foundation Models on Standard Computer Vision Tasks
von: Ramachandran, Rahul, et al.
Veröffentlicht: (2025)

ViPO: Visual Preference Optimization at Scale
von: Li, Ming, et al.
Veröffentlicht: (2026)

Deep learning-based Visual Measurement Extraction within an Adaptive Digital Twin Framework from Limited Data Using Transfer Learning
von: Dizaji, Mehrdad Shafiei
Veröffentlicht: (2024)

4M-21: An Any-to-Any Vision Model for Tens of Tasks and Modalities
von: Bachmann, Roman, et al.
Veröffentlicht: (2024)

6D Pose Estimation via Keypoint Heatmap Regression with RGB-D Residual Neural Networks
von: Aljosevic, Ismail, et al.
Veröffentlicht: (2026)

Per-Query Visual Concept Learning
von: Malca, Ori, et al.
Veröffentlicht: (2025)

VideoFlexTok: Flexible-Length Coarse-to-Fine Video Tokenization
von: Atanov, Andrei, et al.
Veröffentlicht: (2026)

FlexTok: Resampling Images into 1D Token Sequences of Flexible Length
von: Bachmann, Roman, et al.
Veröffentlicht: (2025)

(1D) Ordered Tokens Enable Efficient Test-Time Search
von: Gao, Zhitong, et al.
Veröffentlicht: (2026)

Personalizing Text-to-Image Generation to Individual Taste
von: Maerten, Anne-Sofie, et al.
Veröffentlicht: (2026)

Med-PerSAM: One-Shot Visual Prompt Tuning for Personalized Segment Anything Model in Medical Domain
von: Yoon, Hangyul, et al.
Veröffentlicht: (2024)

ViKey: Enhancing Temporal Understanding in Videos via Visual Prompting
von: Lee, Yeonkyung, et al.
Veröffentlicht: (2026)

HuViDPO:Enhancing Video Generation through Direct Preference Optimization for Human-Centric Alignment
von: Jiang, Lifan, et al.
Veröffentlicht: (2025)

Solving Vision Tasks with Simple Photoreceptors Instead of Cameras
von: Atanov, Andrei, et al.
Veröffentlicht: (2024)

AdaViP: Aligning Multi-modal LLMs via Adaptive Vision-enhanced Preference Optimization
von: Lu, Jinda, et al.
Veröffentlicht: (2025)

PSTF-AttControl: Per-Subject-Tuning-Free Personalized Image Generation with Controllable Face Attributes
von: liu, Xiang, et al.
Veröffentlicht: (2025)

PersonViT: Large-scale Self-supervised Vision Transformer for Person Re-Identification
von: Hu, Bin, et al.
Veröffentlicht: (2024)

DesignPref: Capturing Personal Preferences in Visual Design Generation
von: Peng, Yi-Hao, et al.
Veröffentlicht: (2025)

PerTouch: VLM-Driven Agent for Personalized and Semantic Image Retouching
von: Chang, Zewei, et al.
Veröffentlicht: (2025)

PerSense: Training-Free Personalized Instance Segmentation in Dense Images
von: Siddiqui, Muhammad Ibraheem, et al.
Veröffentlicht: (2024)

LoFA: Learning to Predict Personalized Priors for Fast Adaptation of Visual Generative Models
von: Hao, Yiming, et al.
Veröffentlicht: (2025)

One Sentence, One Drama: Personalized Short-Form Drama Generation via Multi-Agent Systems
von: Shi, Yufei, et al.
Veröffentlicht: (2026)

Personal Visual Context Learning in Large Multimodal Models
von: Xue, Zihui, et al.
Veröffentlicht: (2026)

Learning User Preferences for Image Generation Model
von: Mo, Wenyi, et al.
Veröffentlicht: (2025)

MultiViPerFrOG: A Globally Optimized Multi-Viewpoint Perception Framework for Camera Motion and Tissue Deformation
von: Caccianiga, Guido, et al.
Veröffentlicht: (2024)

ViUniT: Visual Unit Tests for More Robust Visual Programming
von: Panagopoulou, Artemis, et al.
Veröffentlicht: (2024)

ViTCoP: Accelerating Large Vision-Language Models via Visual and Textual Semantic Collaborative Pruning
von: Luo, Wen, et al.
Veröffentlicht: (2026)

Seeing What Matters: Visual Preference Policy Optimization for Visual Generation
von: Ni, Ziqi, et al.
Veröffentlicht: (2025)

MoViE: Mobile Diffusion for Video Editing
von: Karjauv, Adil, et al.
Veröffentlicht: (2024)

ViCToR: Improving Visual Comprehension via Token Reconstruction for Pretraining LMMs
von: Xie, Yin, et al.
Veröffentlicht: (2024)

ViSpeak: Visual Instruction Feedback in Streaming Videos
von: Fu, Shenghao, et al.
Veröffentlicht: (2025)

LoopViT: Scaling Visual ARC with Looped Transformers
von: Shu, Wen-Jie, et al.
Veröffentlicht: (2026)

GoViG: Goal-Conditioned Visual Navigation Instruction Generation via Multimodal Reasoning
von: Wu, Fengyi, et al.
Veröffentlicht: (2025)

PersGuard: Preventing Malicious Personalization via Backdoor Attacks on Pre-trained Text-to-Image Diffusion Models
von: Liu, Xinwei, et al.
Veröffentlicht: (2025)

Personalized Vision via Visual In-Context Learning
von: Jiang, Yuxin, et al.
Veröffentlicht: (2025)

PersONAL: Towards a Comprehensive Benchmark for Personalized Embodied Agents
von: Ziliotto, Filippo, et al.
Veröffentlicht: (2025)

ViGoR-Bench: How Far Are Visual Generative Models From Zero-Shot Visual Reasoners?
von: Han, Haonan, et al.
Veröffentlicht: (2026)

GeoViS: Geospatially Rewarded Visual Search for Remote Sensing Visual Grounding
von: Zhang, Peirong, et al.
Veröffentlicht: (2025)

Can World Simulators Reason? Gen-ViRe: A Generative Visual Reasoning Benchmark
von: Liu, Xinxin, et al.
Veröffentlicht: (2025)